/ Модель

Характеристики

Лицензия
Apache 2.0
Базовая модель
Qwen3.5-4B
Библиотека
gguf
Опубликована
25 мая 2026

Qwen3.5-4B-GGUF-GSQ

Генерация текстаТекст → текст11 профессий

ISTA-DASLab/Qwen3.5-4B-GGUF-GSQ — это GGUF-квантованная версия базовой модели Qwen/Qwen3.5-4B, разработанная ISTA-DASLab.

2 175скачиваний за 30 дней9лайковвеса обновлены26 мая 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Модель создана для генерации текста и локального запуска в llama.cpp, Ollama, LM Studio и других средах, поддерживающих формат GGUF. Она предназначена для сценариев, где важны уменьшенный размер файла и эффективный запуск языковой модели на совместимом оборудовании.

Модель использует формат GGUF K-Quant с вариантом квантования Q2_K_XL. За основу взят файл Unsloth UD-Q2_K_XL, после чего дискретные значения весов были оптимизированы методом GSQ (Gumbel-Softmax Quantization) и упакованы обратно в тот же формат. Размер и структура файла соответствуют стандартному Q2_K_XL, поэтому модель является заменой исходного GGUF-чекпойнта без изменений в runtime. README не содержит дополнительных сведений о языках, размере контекста и исходной архитектуре Qwen3.5-4B.

По приведённым оценкам, GSQ-версия превосходит использованный исходный чекпойнт Unsloth на AIME 25, GPQA Diamond, IFEval, GSM8K и MMLU-Pro; результаты получены в режиме zeroshot при разных настройках thinking. Ограничения модели связаны с очень низкой разрядностью Q2_K и зависимостью от поддержки GGUF и совместимого runtime; приведённые показатели нельзя напрямую переносить на другие режимы использования. Лицензия — Apache-2.0.

Для каких профессий подходит11

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Qwen3.5-4B — GGUF Q2_K_XL refined with GSQ

GGUF Q2_K_XL checkpoint of Qwen/Qwen3.5-4B in which the discrete grid assignments have been refined with GSQ (Gumbel-Softmax Quantization), starting from the public Unsloth GGUF initialization and projected back into the same K-Quant format.

The optimized file runs unchanged on llama.cpp / Ollama and is a drop-in replacement for the corresponding standard GGUF checkpoint.

Quantization details

  • Base model: Qwen/Qwen3.5-4B
  • Starting point: Unsloth GGUF UD-Q2_K_XL
  • Released quantization: Q2_K_XL
  • Format: GGUF K-Quant
  • Pipeline: Unsloth GGUF init → GSQ Gumbel-Softmax refinement → re-pack into the same format
  • Runtime: llama.cpp, ollama, LM Studio, anything that consumes GGUF

Storage layout

This file is bit-for-bit standard GGUF Q2_K. GSQ only changes the values of the quantized weights by relearning the discrete grid assignments inside each K-Quant block.

As a result:

  • The file size matches the corresponding upstream Q2_K_XL file for the same model.
  • Any llama.cpp / ollama build that loads a regular Qwen3.5-4B Q2_K_XL GGUF should load this file with zero changes.
  • The Hugging Face UI reports the GGUF block type, e.g. Q2_K_XL, rather than per-tensor dtypes. This refers to the on-disk K-Quant encoding, not the precision of any optimizer state used during GSQ refinement.

Evaluation

We compare the GSQ-refined checkpoint against the Unsloth UD-Q2_K_XL checkpoint used as initialization.

ModelAIME 25GPQA DiamondIFEvalGSM8KMMLU-Pro
Unsloth UD-Q2_K_XL26.6756.0676.1479.6166.78
GSQ-refined Q2_K_XL60.0067.1782.9788.4870.87

Evaluation notes

All evaluations are zeroshot. The Unsloth UD-Q2_K_XL model was evaluated with thinking disabled on all tasks, because its thinking mode was found to be broken and produced worse results.

For the GSQ-refined model:

  • AIME 25 and GPQA Diamond were evaluated with thinking enabled.
  • IFEval, GSM8K, and MMLU-Pro were evaluated with thinking disabled.

Token Efficiency

For MMLU-Pro, both models were evaluated with a maximum output budget of 32K tokens.

  • The Unsloth model consumed 55.32M output tokens in total.
  • The GSQ-refined model consumed 41.82M output tokens in total.

Usage with llama.cpp

hf download ISTA-DASLab/Qwen3.5-4B-GGUF-GSQ \
  Qwen3.5-4B-Q2_K_XL.gguf --local-dir .

./llama-cli -m Qwen3.5-4B-Q2_K_XL.gguf -p "Hello"

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

llama.cpp

Нельзя запустить

GGUF-модель ждёт проверки: нужно выбрать файл кванта под доступные GPU.

Ревизия весов
3fd6825

0 моделей